关联保险论文范文-探讨数据挖掘技术在保险公司交叉销售中的实证word版下载

《关联保险论文范文-探讨数据挖掘技术在保险公司交叉销售中的实证word版下载》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、关联保险论文范文:探讨数据挖掘技术在保险公司交叉销售中的实证word版下载数据挖掘技术在保险公司交叉销售中的实证论文导读：本论文是一篇关于数据挖掘技术在保险公司交叉销售中的实证的优秀论文范文，对正在写有关于关联论文的写作者有一定的参考和指导作用，论文片段：摘要：以某保险公司2007-2009年业务数据为研究样本，在SQLSERVER2005平台上对数据进行挖掘分析，得岀针对不同消费群体的保险产品销售组合，为保险公司交叉销售提供指导。关键词：数据挖掘；保险；交叉销售1006-4117(2011)04-0160-02在CRISP-DM策略论指导下，构建基于聚类的关联规则数据挖掘模型，

2、对保险业务数据进行挖掘分析。一、数据准备结合保险公司个人寿险业务数据库的信息，可以概括为客户信息表、保单信息表及理赔信息。将三张表中和挖掘主题相关的字段信息抽取，整合为一张宽表。研究样本中，年龄和保费都是连续型数据，将其转化为离散化数据，有利于提高数据挖掘的效率。利用SQLServer2005的IntegrationServer工具加载数据表，建立多维数据立方体。基于数据挖掘的保险交叉销售模型应用（-）构建基于聚类的挖掘模型选取412（金彩明天两全保险）、413（瑞鑫两全保障）等为主细分变量，地区、保费、渠道等为辅细分变量。并保证输入变量与输出变量之间有一定的相关性。建立聚类挖掘

3、模型，得到聚类结构图。模型将数据分为10个群体，对每个群进行钻取，结合剖而图和数据倾向图，判别其所具备的特征。10个分类的强弱势特征如下表所示:选择保费10000和100000为临界点，可见类1、类2、类3为低端客户，缴纳保费均在10000元以下，类4-8为中端用户，缴纳保费为10001到100000元之间，类9和类10属于高端客户，缴纳保费均在100000元以上。针对低中高端群组，结合年龄、性别、受教育程度等特征对群组的业务特征进行描述，低端群组特征分析如下表1-4所示：低端群组消费特征描述：该群体受教育程度普遍不高，在初中以下，年龄偏大，大多在50-65岁之间，缴纳保费的能力

4、较低，都在10000元以下。由于S42（康宁终身健康保险）缴费较高，所以需求很低，此外S66（少儿保险）需求很少。同样的策略，统计分析中端和高端客户的群体特征。聚类只能解决已经发生过的客户消费行为，并不能对将来的消费行为和规律进行预测。在聚类的基础上，对所有险种类别进行关联分析，得出最强的关联规则，从而有针对性的对各客户群组进行交叉销售。（二）构建关联挖掘模型针对每一群组，构建关联挖掘模型，关联规则的默认算法是Apriori算法。通过运转关联挖掘结构，得出依赖网络图。对于每一群组来说，最强的险种关联只是两个或三个而已。选择关联最强的两个险种：S43-701,险种出现的概率为88.

5、9%,重要度为1.9,为正关联。说明低端客户类1,在购买S43（康宇定期保险）的同时购买701（全家福意外卡）的几率为88.9%,结合低端客户群组的消费特征，较顺应常理。得出的关联规则是形如A-B,代表如果购买了产品A,则同时也会购买保险产品Bo具体情况如表3所示。根据各个类别最佳的险种关联，像所对应的群组中还没有消费这种保险组合的客户进行推销，已经购买了其中一种保险产品的客户，向其推荐另一款产品；或者在未来向某一类客户推荐产品时，根据其收入和教育程度等客观因素，判断大致所属的群组，推销产品组合，以达到实现交叉销售的目的。结束语：论文对基于聚类的关联规则交叉销售模型进行实证研究，

6、先从客户角度出发，运用EM聚类算法对准备好的数据进行数据挖掘，得出自然的10个群组分类，然后对每一个群组，从产品业务角度出发，用Apriori算法对险种进行关联分析，得出可以指导交叉销售的规则。在客户聚类的基础上，找出保险产品潜在的关联规律，制定有针对性的交叉销售方案。作者单位：常熟理工学院管理学院作者简介：周梅(1978—),女，汉族，江苏徐州人，中国矿业大学管理学院在读博士生；常熟理工学院管理学院，讲师，研究方向:数据挖掘，金融工程与风险管理。参考文献：［1］谢友辉，蒋新华•数据挖掘技术及在保险领域中的应用［J1.信息技术，2003:27,8:33-34.［2］李娜•基于数据

7、挖掘的零售客户细分模型的应用研究［D］•硕士学位论文•200&4.［3］羡晨静.电信领域交叉销售模型的构建与应用［D］.硕士学位论文,2008,2.表3:不同群组的险种关联表注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文